基于有机/无机异质结能带工程设计的异突触记忆晶体管在神经形态电子学中的应用

《Advanced Science》：Heterosynaptic Memtransistors Based on Switching Operation Mechanism Using Designed Organic/Inorganic Heterostructures for Neuromorphic Electronics

本综述重点介绍了基于三(4-咔唑-9-基苯基)胺(TCTA)/MoS2异质结(HS)的底接触(BC)记忆晶体管(memtransistor)的创新研究。该器件通过能带工程实现了II型能带排列(EBA)，利用栅极脉冲调控空间电荷限制传导(SCLC)机制，在VG< Vth条件下展现出102开关比的忆阻特性。研究成功模拟了长时程增强(LTP)和尖峰时序依赖可塑性(STDP)等异突触(heterosynaptic)行为，为构建低功耗、可调控的神经形态计算系统提供了新范式。

　　

引言：记忆晶体管与神经形态计算的融合

记忆晶体管(Memtransistor)作为一种结合记忆与晶体管特性的三端器件，在神经形态计算领域展现出巨大潜力。与传统CMOS架构相比，这类器件能够更高效地模拟生物神经网络的突触功能，实现信息存储与处理一体化。早期研究主要集中于金属/过渡金属氧化物(TMO)垂直结构忆阻器，通过调控金属离子和空位迁移实现阻态切换。然而，二维过渡金属硫化物(TMDCs)如MoS₂、WS₂等材料的出现，为构建原子级厚度的忆阻器提供了新机遇。尽管二维材料忆阻器具有低开启电压优势，但其两终端结构在实现异质集成和多功能调控方面存在局限。本研究通过有机半导体TCTA与无机MoS₂的异质结设计，解决了活性层可控性难题，为发展多功能神经形态电子器件奠定了基础。

能带结构与器件设计创新

研究团队采用能带工程策略设计了TCTA/MoS₂异质结系统。紫外光电子能谱(UPS)和吸收光谱表征显示，该异质结呈现典型的II型能带排列，为电荷分离和传输提供了理想平台。底接触(BC)场效应晶体管(FET)结构确保源漏电极仅与MoS₂层接触，而顶接触(TC)器件中电极同时接触MoS₂和TCTA层。这种结构差异导致BC器件表现出显著的忆滞特性，而TC器件则无此现象。通过原子力显微镜(AFM)厚度分析和X射线光电子能谱(XPS)界面表征，证实了异质结的结构完整性。

栅极可调的忆阻特性与传导机制

系统研究了栅压(V_G)对忆阻开关行为的调控作用。当V_G从+30V降至-30V时，忆滞现象在V_G= -15V时出现，并随负压增大而增强，开关比达到10²。通过空间电荷限制传导(SCLC)模型分析，发现陷阱填充限制(TFL)传导在负栅压下占主导地位。双对数坐标下的I_D-V_D曲线揭示了五个特征区域：高阻态(HRS)区、SET区、低阻态(LRS)区、RESET区和陷阱限制SCLC区。栅压依赖的陷阱密度计算表明，V_G从-15V变化至-30V时，陷阱密度N_t从8.95×10¹³cm^-3增加至4.14×10¹⁴cm^-3，证实了栅极对开关机制的调控能力。

异突触可塑性的精准模拟

器件成功实现了生物突触的核心功能模拟。在异突触长时程增强(H-LTP)测试中，当施加-40V调制电压(V_mod)时，突触后电流(PSC)显著增强；而30V V_mod则抑制PSC响应。异突触尖峰时序依赖可塑性(H-STDP)测量显示，Δ_t> 0时突触权重w增强，Δ_t< 0时减弱，符合生物STDP规律。特别值得注意的是，仅通过栅极脉冲(无漏极脉冲)也能诱导同突触可塑性(M-LTP和M-STDP)，其中增强时间常数τ₊= 100ms，抑制时间常数τ_-= 60ms。这种多输入调控能力使器件能够模拟复杂的神经调制过程。

器件性能的比较优势

与已报道的忆阻器件相比，TCTA/MoS₂记忆晶体管具有独特优势：无需六方氮化硼(h-BN)绝缘层或后处理工序，通过简单的底接触异质结结构即可实现稳定的忆阻开关；栅极脉冲单独调控突触权重的能力减少了电路复杂性；在不同批次器件中均表现出良好重现性。虽然工作电压仍需优化，但通过能带偏移调控、高κ介质集成等措施有望进一步降低功耗。

应用前景与未来方向

这类有机/无机异质结记忆晶体管为神经形态计算硬件提供了新思路。在传感-感知集成系统中，器件可直接将外部刺激转化为电脉冲，实现感知处理一体化。未来可通过能带工程优化电荷传输效率，结合铁电材料增强栅极调控能力，发展更低功耗的突触器件。此外，这类器件的可扩展性和室温加工特性，使其在柔性电子和可穿戴神经形态系统中有广阔应用前景。

结论：迈向智能计算新纪元

本研究通过能带工程设计的TCTA/MoS₂异质结记忆晶体管，成功实现了栅脉冲调控的忆阻开关和异突触可塑性模拟。器件展现的极性依赖突触行为、多输入调控特性和室温稳定性，为发展高效神经形态电子系统提供了重要平台。这种材料选择与器件架构的创新组合，不仅推动了神经形态计算硬件的发展，也为未来人工智能系统的能效优化开辟了新途径。